Mediale Emotionalisierung von Brandereignissen – Analyse sprachlicher Schwellen und Muster anhand von Opferzahlen mittels Large Language Models und Keyword Network Analysis

24.03.2026, Abschlussarbeiten, Bachelor- und Masterarbeiten

Untersuchung der Einflussparameter gesellschaftlicher Akzeptanz von Brandfolgen im Kontext von Sicherheit.

Kontext – Relevanz
Ein Maß für die gesellschaftliche Wahrnehmung und Akzeptanz von Brandereignissen ist die mediale Berichterstattung. Dabei reicht die sprachliche Darstellung von sachlicher Ereignisbeschreibung bis hin zu stark emotionalisierten Narrativen, die gesellschaftliche Betroffenheit, politische Aufmerksamkeit und Prioritätensetzungen abbilden. Bisher ist jedoch nur unzureichend untersucht, in welchem Zusammenhang diese Emotionalisierung mit objektiven Kenngrößen wie bspw. der Anzahl von Todesopfern, Verletzten und geretteten Personen steht.
Der Einsatz moderner Large Language Models (LLM) ermöglicht eine skalierbare, strukturierte und reproduzierbare Auswertung umfangreicher Medienbestände und eröffnet in Kombination mit der Keyword Network Analysis neue methodische Zugänge zur Untersuchung der Einflussparameter gesellschaftlicher Akzeptanz im Kontext von Sicherheit.

Erkenntnisinteresse – Zieldefinition
• Systematische Untersuchung des Zusammenhangs zwischen Opferzahlen bei Brandereignissen (Tote, Verletzte, Gerettete) und der Emotionalisierung der medialen Berichterstattung
• Identifikation emotionalisierender Sprachmuster und Frames (Deutungsrahmen, die festlegen, wie ein Ereignis sprachlich eingeordnet und bewertet wird)
• Analyse typischer Wort- und Begriffskombinationen in Abhängigkeit von Opferzahlen
• Bestimmung von Schwellenwerten, ab denen sich Intensität und Struktur des medialen Framings signifikant verändern
• Interpretation der medialen Emotionalisierung als Proxy (indirekte Messgröße) für gesellschaftliche Betroffenheit und Akzeptanz

Methodik – Arbeitspakete
Die Arbeit gliedert sich in wenige, klar abgegrenzte Schritte:
1. Aufbau eines kuratierten Medienkorpus
Zusammenstellung einer kontrollierten Textdatenbank aus Zeitungs- und Zeitschriftenartikeln zu Brandereignissen inklusive relevanter Metadaten (Datum, Medium, Ereignis).
2. LLM-gestützte Textannotation
Einsatz eines Large Language Models zur automatisierten Extraktion strukturierter Ereignismerkmale (Tote, Verletzte, Gerettete) sowie zur Identifikation und Normalisierung emotionaler Schlüsselbegriffe und Frames.
3. Keyword-Network-Analyse
Aufbau opferzahlabhängiger Keyword-Ko-Vorkommensnetzwerke und vergleichende Analyse der Netzwerkstrukturen (z. B. Clusterbildung, Zentralität) zur Erkennung sprachlicher Muster und Framing-Schwellen.

Voraussetzungen – Anforderungsprofil
Erwartet werden Interesse an Medienanalyse und gesellschaftlicher Risikowahrnehmung sowie grundlegende Kenntnisse in Datenanalyse und die Bereitschaft, mit Large Language Models und Netzwerkanalyse-Tools zu arbeiten.

Betreuung – Beginn
Ab Beginn SS 26

Kontakt: florian.rattelmueller@tum.de

Mehr Information